نظام تنبؤ بأمراض القلب باستخدام Machine Learning وتحليل البيانات الطبية

مشروع يهدف إلى تحليل بيانات مرض القلب والتنبؤ بإصابة المرضى بالمرض باستخدام تقنيات تعلم الآلة (Machine Learning)، حيث تم الاعتماد على مجموعة بيانات طبية حقيقية تحتوي على معلومات ديموغرافية وفسيولوجية عن المرضى مثل العمر والقياسات الطبية المختلفة. تبدأ عملية التنفيذ بتحميل البيانات ومعالجتها، حيث تم التعامل مع القيم المفقودة واستبدالها بمتوسط القيم المناسبة، ثم تحويل البيانات النصية إلى صيغة رقمية باستخدام تقنيات الترميز، بالإضافة إلى إجراء تحليل استكشافي للبيانات من خلال حساب معاملات الارتباط ورسم التوزيعات لفهم طبيعة البيانات والعلاقات بين المتغيرات. بعد ذلك تم تطبيق عمليات تهيئة البيانات مثل التقييس (Standardization) لتجهيزها لمرحلة التدريب، كما تم استخدام تحليل المكونات الرئيسية (PCA) لتقليل الأبعاد واستخلاص أهم الخصائص المؤثرة في التنبؤ. تم بناء عدة نماذج تعلم آلي مختلفة لمقارنة أدائها، بما في ذلك الانحدار اللوجستي، شجرة القرار، الغابة العشوائية، وآلة المتجهات الداعمة (SVM)، ثم تقسيم البيانات إلى مجموعة تدريب واختبار وتقييم النماذج باستخدام مقاييس مثل الدقة (Accuracy) والدقة الإيجابية (Precision)، مما يسمح بتحديد النموذج الأفضل في التنبؤ بحالات المرض. بالإضافة إلى التعلم المُراقَب، تم تطبيق تقنيات التعلم غير المُراقَب مثل خوارزمية K-Means لتجميع المرضى إلى مجموعات متشابهة وتحليل البنية الداخلية للبيانات باستخدام طريقة الكوع (Elbow Method)، كما تم استخدام التجميع الهرمي وعرض شجرة التجميع (Dendrogram) لفهم العلاقات بين الحالات المختلفة. أخيرًا تم تحسين أداء أحد النماذج باستخدام Grid Search للعثور على أفضل قيم للمعاملات، مما يؤدي إلى نموذج أكثر دقة وكفاءة في التنبؤ. يعكس هذا المشروع تطبيقًا متكاملًا لتقنيات علم البيانات وتعلم الآلة في المجال الطبي، ويمكن استخدامه كنظام دعم قرار لمساعدة الأطباء في الكشف المبكر عن أمراض القلب وتحليل عوامل الخطر المرتبطة بها.